MAP. Ricardo Meza Domínguez
México.- Hablar de la inteligencia artificial en el contexto de la estrategia es algo curioso que puede parecer que la IA resuelve todo pero en este caso Yuval Atsmon nos dice que Cuando las personas hablan de inteligencia artificial, incluyen todo lo relacionado a la analítica, la automatización y el análisis de datos. Marvin Minsky, el pionero de la investigación sobre inteligencia artificial en la década de 1960, hablaba de la IA como una “palabra maleta” (“suitcase word”), un término en el que puedes meter lo que quieras, y ese parece ser el caso.
Nos sentimos cómodos con eso porque creemos que las empresas deberían usar todas las capacidades del análisis más tradicional, al tiempo que aumentan la automatización en la estrategia que puede liberar tiempo de los directivos o de los analistas y, gradualmente, introducir herramientas que pueden aumentar el pensamiento humano.
Las máquinas pueden automatizar el desarrollo de estrategias, la respuesta corta es no. Sin embargo, hay numerosos aspectos del trabajo de los estrategas en los que la inteligencia artificial y las herramientas de análisis avanzado ya pueden aportar un enorme valor.
Yuval Atsmon es un socio sénior que dirige el nuevo Centro McKinsey para la Innovación Estratégica (McKinsey Center for Strategy Innovation), que estudia las formas en que las nuevas tecnologías pueden aumentar los principios atemporales de la estrategia.
Entre los tipos de tareas que puede la IA ayudar a ejecutar sobre las estrategas en la actualidad, serian seis etapas como lo menciona Yuval Atsmon: estas etapas del desarrollo de la IA. Son la más temprana es la analítica simple, a la que nos referimos como inteligencia descriptiva. Las empresas utilizan cuadros de mando para el análisis de la competencia o para estudiar el rendimiento en diferentes partes del negocio que se actualizan automáticamente. Algunos tienen capacidades interactivas para refinamiento y pruebas.
El segundo nivel es la inteligencia de diagnóstico, que es la capacidad de mirar hacia atrás en el negocio y comprender las causas fundamentales y los impulsores del rendimiento. El siguiente nivel es la inteligencia predictiva: ser capaz de anticipar ciertos escenarios u opciones y el valor de las cosas en el futuro en función del impulso del pasado, así como de las señales recogidas en el mercado. Tanto el diagnóstico como la predicción son áreas que la IA puede mejorar mucho en la actualidad. Las herramientas pueden aumentar el análisis de los ejecutivos y convertirse en áreas en las que se desarrollen capacidades. Por ejemplo, en inteligencia de diagnóstico, se puede organizar la cartera en segmentos para comprender de forma granular de dónde proviene el rendimiento y hacerlo de una manera mucho más continua de lo que podrían hacerlo los analistas. Se pueden probar 20 formas diferentes en una hora en lugar de desplegar a cien analistas para abordar el problema.
La IA predictiva es más difícil y más arriesgada. Los ejecutivos no deberían confiar completamente en la IA predictiva, pero proporciona otro punto de vista sistemático en la sala. Debido a que las decisiones estratégicas tienen consecuencias importantes, una consideración clave es usar la IA de manera transparente, en el sentido de comprender por qué hace una determinada predicción y qué extrapolaciones realiza a partir de qué información. Luego puede evaluar si confía o no en la predicción. Incluso puede usar la IA para rastrear la evolución de los supuestos de esa predicción. Y esos son los niveles disponibles hoy en día.
